Introducción a WorldFootballR (II)

Análisis de Datos Futbolísticos en R

En el artículo anterior se expusieron las funciones para importar datos de partidos desde Fbref usando el paquete worldfootballR. No obstante, este paquete permite poner el foco más allá de los meros partidos para importar datos con los que poder trabajar. Así, en este artículo se focalizará en el uso de las funciones relacionadas con la carga de datos sobre equipos.

Nuevamente, se han de cargar los paquetes necesarios para trabajar en R con las funciones que se van a mostrar a lo largo del artículo.

library(tidyverse)
library(worldfootballR)

Funciones Principales a Nivel de Equipo

Este paquete, como se ha mencionado en la introducción, contiene funciones que permiten cambiar la perspectiva hacia los equipos, de modo que podemos evaluar el rendimiento de los equipos por separado.

Por ejemplo, para obtener los resultados de un equipo a lo largo de toda la temporada, se puede utilizar la función fb_team_match_results(), que devuelve los resultados de todos los partidos de uno o varios equipos (si se quiere de varios equipos bastaría con suministrar un vector como se ha hecho con funciones previas). En este caso nos centramos en la brillante temporada del Unión de Berlín y por medio de esta función sabremos si el partido era en su estadio o una salida, la competición, el día de la semana, su oponente, el resultado (victoria, empate o derrota), los goles a favor, los goles en contra, los goles esperados, el porcentaje de posesión, la formación, el árbitro e incluso la asistencia al estadio. Con todo esto se pueden efectuar múltiples análisis de interés como el porcentaje de victorias según si se juega o no como local, qué formaciones han resultado en mejor proyección ofensiva y/o defensiva o si influye el día de la semana en el rendimiento del equipo entre otros.

union_berlin_2023_results<- fb_team_match_results(
  "https://fbref.com/en/squads/7a41008f/Union-Berlin-Stats"
)

glimpse(union_berlin_2023_results)

Para obtener las estadísticas avanzadas del equipo se utilizaría la función fb_team_log_stats(), que sería análoga a la última función expuesta en el bloque anterior. Siguiendo con el Unión, podríamos explorar las estadísticas de pases de todos los partidos de la temporada. Con estas estadísticas que incluyen la posesión, los tipos de pases y qué número de pases se han producido en tres cuartos de campo entre otros parámetros, podríamos dilucidar el estilo de juego de creación que ha brindado mejores resultados durante esta temporada.

union_berlin_passing_stats <- fb_team_match_log_stats(
  team_urls = "https://fbref.com/en/squads/7a41008f/Union-Berlin-Stats",
  stat_type = "passing"
)

glimpse(union_berlin_passing_stats)

Celebración navideña en el Stadion An der Alten Försterei (Berlín)

Para finalizar este bloque, existe una última función, fb_team_goal_logs(), que informa sobre las jugadas de gol. Esta función permite filtrar para estudiar los goles a favor, en contra o ambos.

goal_log <- fb_team_goal_logs(
  team_urls = "https://fbref.com/en/squads/7a41008f/Union-Berlin-Stats", 
  for_or_against="both"
)

glimpse(goal_log)

Mediante esta función se puede estudiar quién fue el autor del gol, el oponente al que se enfrentaba, si lo marcó en local o a domicilio, si formaba parte del once inicial o salió desde banquillo, los goles esperados para la jugada que fue capaz de materializar, la parte del cuerpo con la que marcó gol, la distancia a la portería de la que se encontraba, el minuto en el que marcó y la fecha del partido. Esto nos aporta mucha información sobre la importancia de los goles (tanto en el momento del partido en el que se producen como qué supone para el resultado del mismo) así como nos permite estudiar la regularidad de los goleadores y sobre qué equipos funcionan mejor.

Espero que te haya gustado la lectura. ¡Nos vemos en el próximo artículo!